cover
Contact Name
Dr. Muhammad Ahsan
Contact Email
muh.ahsan@its.ac.id
Phone
+6281331551312
Journal Mail Official
inferensi.statistika@its.ac.id
Editorial Address
Department of Statistics Faculty of Science and Data Analytics Institut Teknologi Sepuluh Nopember (ITS) Kampus ITS Keputih Sukolilo Surabaya Indonesia 60111
Location
Kota surabaya,
Jawa timur
INDONESIA
Inferensi
ISSN : 0216308X     EISSN : 27213862     DOI : http://dx.doi.org/10.12962/j27213862
The aim of Inferensi is to publish original articles concerning statistical theories and novel applications in diverse research fields related to statistics and data science. The objective of papers should be to contribute to the understanding of the statistical methodology and/or to develop and improve statistical methods; any mathematical theory should be directed towards these aims; and any approach in data science. The kinds of contribution considered include descriptions of new methods of collecting or analysing data, with the underlying theory, an indication of the scope of application and preferably a real example. Also considered are comparisons, critical evaluations and new applications of existing methods, contributions to probability theory which have a clear practical bearing (including the formulation and analysis of stochastic models), statistical computation or simulation where the original methodology is involved and original contributions to the foundations of statistical science. It also sometimes publishes review and expository articles on specific topics, which are expected to bring valuable information for researchers interested in the fields selected. The journal contributes to broadening the coverage of statistics and data analysis in publishing articles based on innovative ideas. The journal is also unique in combining traditional statistical science and relatively new data science. All articles are refereed by experts.
Articles 7 Documents
Search results for , issue "Vol 2, No 2 (2019): Inferensi" : 7 Documents clear
Topic Discovery pada Dokumen Abstrak Jurnal Penelitian di Science Direct Menggunakan Association Rule Mochammad Farros Fatchur Roji; Irhamah Irhamah
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (495.464 KB) | DOI: 10.12962/j27213862.v2i2.6824

Abstract

pemahaman mengenai ilmu berdasarkan review dari ilmuwan. Karakteristik jurnal seperti update berkaitan dengan teori dibandingkan buku, pembahasan yang lebih ringkas, sebagai referensi alternative, aplikasi dan implementasi dunia nyata. Jurnal yang telah dibuat dalam bentuk digitalisasi memiliki istilah lain yaitu file atau soft copy dengan memanfaatkan teknologi informasi dan komunikasi, yang saat ini menjadi salah satu koleksi perpustakaan digital. Data yang di gunakan berasal dari ScienceDirect. ScienceDirect adalah database yang berisi kumpulan dokumen full-text yang berkualitas yang telah diperiksa oleh peer-review Elsevier. Dokumen abstrak dari sciencedirect tersebut nantinya akan dilakukan pre processing terlebih dahulu. Kemudian di lanjutkan dengan association rule dan pearson correlation setelahnya. Pada association rule term kata jika menggunakan min support 2 % maka di dapatkan frequent itemset sebanyak 72, closed frequent itemset sebanyak 55, dan remove subset sebanyak 41 itemset. Kemudian saat di lakukan analisis korelasi pada itemset remove subset. Di dapatkan bayesian,model yaitu itemset yang paling banyak memiliki hubungan. Kemudian pada topic community dengan cfinder terbagi menjadi dua komunitas dan terdapat irisan sebanyak 6 itemset.
Pemodelan Tahanan Kapal Displacement Menggunakan Metode Artificial Neural Network Muthia Pandan Sari; Raden Mohamad Atok; Mahendra Indiaryanto
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (385.076 KB) | DOI: 10.12962/j27213862.v2i2.6823

Abstract

Pengujian tahanan kapal memiliki tujuan untuk mengetahui daya yang dibutuhkan sebuah kapal agar dapat bergerak. Salah satu cara untuk mendapat-kan nilai tahanan kapal tanpa melakukan suatu pengujian adalah dengan pemodelan. Untuk mendapat-kan model nilai tahanan kapal dan variabel yang berpengaruh terhadap tahanan kapal, penelitian ini menggunakan metode Artificial Neural Network. Pada metode ANN tidak bergantung pada bentuk asumsi yang mendasari data. Penelitian ini menunjukan bahwa jumlah neuron yang optimum yaitu berjumlah enam neuron dan enam variabel input. Variabel input yang digunakan yaitu panjang kapal tercelup, lebar kapal tercelup, syarat tercelup air, total keseluruhan berat kapal, koefisien primastik, dan kecepatan kapal dengan nilai RMSE sebesar 133.2891.
Pengendalian Kualitas Produk Billet Baja KS1008 Di PT Krakatau Steel, Cilegon Menggunakan Grafik Kendali Max-MEWMA Tubagus Elgi Faturahman Syahputra; Muhammad Mashuri; Ni Luh Putu Satyaning Pradnya Paramitha
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (423.546 KB) | DOI: 10.12962/j27213862.v2i2.6822

Abstract

Industri baja sebagai industri strategis yang digunakan sebagai bahan baku penting bagi industri-industri secara keseluruhan. PT Krakatau Steel merupakan produsen baja terpadu yang pertama di Indonesia dan menjadi pemimpin pasar di industri baja dalam negeri. Unit produksi yang menjadi fokus penelitian ini adalah pabrik billet baja. Pada penelitian ini digunakan grafik kendali Max-MEWMA. Hasil grafik kendali Max-MEWMA pada fase satu telah terkendali secara statistik pada iterasi 3 setelah menghilangkan 11 pengamatan sehingga dilanjutkan pada pengendalian fase dua. Pada penerapan fase dua grafik kendali belum terkendali secara statistik. Mangan (Mn) merupakan variabel yang berkontribusi besar dalam menyebabkan pengamatan out of control pada penelitian ini. Dengan diperkuat dengan 6 faktor penyebab utama proses produksi billet baja KS1008 tidak terkendali secara statistik. Kapabilitas dengan indeks MP_p kinerja proses produksi billet baja KS1008 potensi sudah baik dan mencapai ragam atau sebaran yang diinginkan Perusahaan, sedangkan dengan menggunakan indeks MP_pk secara multivariat proses memiliki aktual yang rendah sehingga kinerja proses produksi billet baja di PT Krakatau Steel tidak kapabel.
Model Inhomogeneous Spatial Cox Processes Untuk Pemetaan Risiko Gempabumi di Pulau Jawa Finola Trisnisa; Rahma Metrikasari; Rifqi Rabbanie; Khalimatus Sakdiyah; Achmad Choiruddin
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (286.576 KB) | DOI: 10.12962/j27213862.v2i2.6825

Abstract

Pulau Jawa menjadi salah satu wilayah dengan risiko gempabumi yang tinggi karena terdapat zona subduksi di sepanjang selatan wilayah pulau Jawa. Metode Statistika untuk pemodelan kejadian gempabumi berdasarkan spatial point processes menjadi metode popular untuk memodelkan persebaran gempabumi, diantaranya adalah model Gibbs dan Hawkes point processes (conditional intensity-based modeling) dan Cox point processes (intensity-based modeling). Pemodelan gempabumi menggunakan Hawkes dan Gibbs point processes dengan memperhatikan faktor geologi seperti sesar aktif, gunung berapi, dan subduksi telah dikembangkan. Namun demikian, Pemodelan berdasarkan conditional intensity dinilai kurang sesuai untuk pemodelan kejadian gempabumi di Jawa. Sementara itu, belum ada penelitian yang menggunakan Cox processes untuk memodelkan distribusi dari gempabumi dengan mempertimbangkan faktor geologi. Pada model Cox processes, estimasi parameter sangat sulit dilakukan karena fungsi likelihoodnya bergantung pada fungsi intensitas yang merupakan proses stokastik. Pada penelitian ini, kami mengembangkan salah satu model Cox point processes yakni Neyman-Scott Cox Process untuk analisis data lokasi gempabumi di pulau Jawa dengan memperhatikan faktor geologi seperti gunung berapi dan subduksi. Estimasi parameter dilakukan dengan membangun composite likelihood sehingga estimasi parameter lebih mudah dilakukan. Hasil analisis menunjukkan bahwa kejadian gempabumi di pulau Jawa membentuk pola kluster. Selain itu, jarak menuju gunung berapi dan subduksi terdekat dianggap signifikan berpengaruh terhadap distribusi gempabumi di pulau Jawa.
Klasifikasi Kategori Pengaduan Masyarakat Melalui Kanal LAPOR! Menggunakan Artificial Neural Network Mochamad Ihsan Ananto; Wiwiek Setya Winahju; Kartika Fithriasari
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (545.771 KB) | DOI: 10.12962/j27213862.v2i2.6821

Abstract

LAPOR! merupakan sarana aspirasi dan pengaduan masyarakat terkait kinerja pemerintah berbasis media sosial. Oleh karena laporan pengaduan masyarakat yang masuk tersebut berbentuk teks, maka dapat diselesaikan dengan cara text mining. Sehingga dilakukan analisis klasifikasi teks menggunakan Artificial Neural Network serta SMOTE untuk mengatasi data imbalance dan Chi-Square untuk proses seleksi variabel. Data yang digunakan adalah data historis aduan masyarakat melalui kanal LAPOR! tahun 2015. Melalui proses seleksi variabel, didapatkan sejumlah 428 term atau kata yang memberikan pengaruh terhadap kategori aduan masya-rakat. Ketepatan klasifikasi yang dihasilkan melalui metode Artificial Neural Network dengan feature selection dan 3 nodes hidden layer adalah precision 0,794, sensitivity 0,818 dan F1-Score 0,800. Selain itu didapatkan topik permasalahan yang patut mendapatkan perhatian lebih pada setiap kategori aduan dengan menggunakan word cloud.
Pemetaan Jumlah Property Crime di Provinsi Jawa Timur Menggunakan Metode Geographically Weighted Negative Binomial Regression (GWNBR) dan Geographically Weighted Poisson Regression (GWPR) Bagas Wahyu Yoga Priambodo; Irhamah Irhamah
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (337.802 KB) | DOI: 10.12962/j27213862.v2i2.6818

Abstract

Kriminal merupakan suatu kegiatan yang melanggar hukum. Ada beberapa faktor yang mempengaruhi para kriminal melakukan tindakan kejahatan antara lain  kemiskinan, kesempatan kerja, dan karakter pelaku yang melakukan kejahatan. Selain itu ada pula faktor lain yang mempengaruhi timbulnya kejahatan yaitu kepadatan penduduk, jumlah patroli polisi, keadaan jalan dan lingkungan, frekuensi ronda siskamling, dan faktor lainnya. Property crime merupakan kategori kejahatan yang termasuk di dalamnya yaitu pencurian, pengambilan sesuatu yang melanggar hukum, perampokan, kejahatan dengan pembakaran, dan perusakan properti. Seringkali kejadian kriminalitas akan saling berdampak dari satu wilayah ke wilayah yang lainnya. Untuk menyelesaikan kasus tersebut diperlukan suatu pemodelan dengan metode spasial kerena memperhatikan kondisi geografis yang ada di provinsi Jawa Timur. Pemodelan dengan memperhatikan faktor spasial menggunakan GWNBR dan GWPR, dimana setiap wilayah pasti memiliki kondisi geografis yang berbeda sehingga menyebabkan adanya perbedaan jumlah Property crime antara wilayah satu dengan wilayah yang lainnya sesuai dengan karakteristik wilayah tersebut. Hasil pemodelan dengan metode GWNBR terbentuk dua kelompok kabupaten/kota menurut variabel yang berpengaruh signifikan terhadap jumlah kasus Property crime. Hasil pemodelan dengan metode GWPR menunjukkan bahwa kelompok kabupaten/kota menurut variabel yang berpengaruh signifikan terhadap jumlah kasus Property crime sebanyak 16 kelompok. Berdasarkan kriteria AIC terkecil menunjukkan bahwa metode GWNBR merupakan metode yang paling sesuai untuk memodelkan jumlah kasus Property crime setiap kabupaten/kota di Jawa Timur dibandingkan dengan metode regresi Poisson, regresi binomial negatif, dan GWPR.
Penentuan Zona Musim di Mojokerto Menurut Karakteristik Curah Hujan Dengan Metode Time Series Based Clustering Iftitah Ayundari; Sutikno Sutikno
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (564.023 KB) | DOI: 10.12962/j27213862.v2i2.6819

Abstract

Zona musim adalah daerah  yang pos hujan  rata ratanya memiliki perbedaan yang  jelas antara periode musim  hujan dan  musim kemarau. Metode analisis data yang diterapkan dalam pengelompokkan ZOM ini adalah metode analisis cluster, yaitu mengelompokkan suatu objek yang memiliki kesamaan sifat tanpa menghilangkan struktur alami objek. Oleh karena kelompok yang dihasilkan memiliki makna, seperti pola atau klasifikasi. Data curah hujan merupakan data series sehingga dalam melakukan analisis cluster menggunakan jarak basis time series, yaitu pada penelitian ini menggunkan jarak Dynamic Time Warping (DTW) dan autocorrelation function (ACF). Tujuannya adalah mengetahui karateristik zona musim di seluruh wilayah Mojokerto dan memetakan pola zona musim di Mojokerto berdasarkan data curah hujan menggunakan time series based clustering. Pengelompokan dilakukan dengan membentuk 2 hingga 5 kelompok, dan selanjutnya akan dilakukan pemilihan kelompok optimum dengan pseudo-f statistics dan kriteria silhouette. Data curah hujan yang digunakan adalah curah hujan bulanan. Evaluasi kinerja zona musim dilakukan dengan rasio simpangan baku dimana metode yang dibandingkan adalah pengelompokkan dengan jarak ACF, DTW, dan hasil pengelompokkan oleh BMKG. Berdasarkan hasil evaluasi kinerja zona musim dengan rasio simpangan baku metode terbaik yang dipilih adalah pengelompokkan dengan jarak DTW.

Page 1 of 1 | Total Record : 7